トークン、クレジット、確認方法
標準Chatは引き続きトークンを内部的に処理し、プランのメッセージ制限と推論制限の適用を受けます。OpenAIの現在のドキュメントでは、標準ChatではなくWorkとCodexが共有エージェントクレジットプールから引き出されると記載されています。[1]
利用可能に関する注意：ChatGPT Workは対象アカウントに段階的に展開されています。[1]アカウントにWorkがまだ表示されない場合、計画にはChatを、技術的なファイル実行には利用可能なCodexを使用してください。
| 環境 | 体験内容 |
|---|---|
| 標準ChatGPT Chat | プラン固有のモデル、メッセージ、推論許容量 |
| WorkおよびCodex | 共有エージェント使用構造；追加使用でクレジット消費の可能性 |
| OpenAI API | モデルトークン料金に基づくUSD別APIアカウント課金 — ChatGPTサブスクライプションクレジットとは別 |
使用量の確認方法
ChatGPTウェブまたはCodexアプリでCodex設定→使用量を開きます。[2]プランとワークスペースの役割に応じて、ダッシュボードに最近の使用量、残りクレジット、購入オプション、自動チャージコントロールが表示される場合があります。自分でクレジットを追加できない場合は、ワークスペースのオーナーまたは管理者にお問い合わせください。
プランに含まれる使用量が最初に消費されます。サポートされる機能の制限に達した後、購入したクレジットが使用されます。[2]
標準Chatは一般的に、詳細な会話別トークン台帳ではなく、プランまたはモデルの制限を表示します。
出力トークンが高い理由
現在のCodexレートカードでは、出力トークンは通常の入力トークンの約6倍のクレジットがかかります。[3]標準GPT-5.5の場合、入力トークン100万あたり125クレジット、出力トークン100万あたり750クレジットです。[3]ただし、長いエージェントタスクでは、同じコンテキストがターンごとに再処理されるため、入力トークンが全体コストを支配することが多いです。[8]
標準GPT-5.5は入力トークン100万あたり125クレジットであるのに対し、GPT-5.4-Miniは18.75です。[3]GPT-5.5を使用する典型的なCodexタスクは、コンテキストサイズと繰り返し回数に応じて5〜45クレジットを消費する可能性があります。[3]タスクを実行できる最小のモデルを使用してください。現在のレートカードには新しいGPT-5.6 Sol、Terra、Lunaティアも含まれています。利用可能性と価格は変更される可能性があるため、モデルを選択する前にライブレートカードを確認してください。[3]
Projects、ファイル、Memory、Work、Tasksの完全なシステムが必要ですか？
このページはトークン経済学とルーティングに焦点を当てています。補完ガイドでは、永続的なプロジェクトコンテキストと人のレビューを中心にChatGPTワークフロー全体を構築する方法を紹介します。
ChatGPTワークフローガイドを読む →Chat vs Work vs Codex：どのモードを使うべきか？
5秒ルーティングテスト
3つの質問をします。最初の一致が優先します。
コンテキストライフサイクル：探索 → 固定 → 実行 → 検証 → 学習
これはこのガイドの中心フレームワークです。あらゆるAI支援タスクの各段階で、コンテキストがどのように変換されるべきかを説明します — より短いプロンプトの書き方だけではありません。
探索 ― Chatを使用
問題を明確にします。アプローチを比較します。前提を洗い出します。成功を定義します。出力はより良く定義された問題であり、完成した作業ではありません。
固定 ― 永続的なタスク成果物を作成
会話を構造化されたファイルに変換します：TASK.md、PLAN.md、監査マニフェスト、または決定記録。実行が開始される前に、合意された目標を固定します。新しいスレッド、異なるモデル、2日間の中断、または独立したレビューでも持続します。
実行 ― WorkまたはCodexを使用
全体の探索会話ではなく、固定された成果物をロードします。ChatGPTデスクトップアプリでは、Workはユーザーの許可を得て承認済みローカルファイルやデスクトップアプリケーションを使用できます。[1]ウェブとモバイルのWorkはクラウドで動作し、コンピュータ上の任意のフォルダを直接開くことはできません。[1]Codexはローカルフォルダ、リポジトリ、ターミナル、開発者ツールを使用する技術作業用の別ビューです。[1]
検証 ― クリーンな証拠パスを使用
検証は仕様、受け入れ基準、結果ファイル、テストスイートから開始されます。実装エージェントが何をしようとしていたかという記憶には依存しません。
学習 ― 永続的な指示を更新
失敗パターンが繰り返される場合、ガバナンスファイルにルールを追加し、バリデーターを更新するか、タスクテンプレートを改善します。OpenAIのCodexガイドでは、永続的な指示をAGENTS.mdに保持し、観察された繰り返しミスの後に更新することを推奨しています。[5]
コンテキストデットと3種類のコンテキスト
コンテキストデットとは、一時的な説明、修正、例外、未解決の決定がソースオブトゥルースに統合されずに蓄積された場合に生じる将来のコストです。
- 1つのチャットで同じルールを5回修正する
- 古いURLと新しいURLの両方をプロジェクトに残す
- エージェントが誤った解釈を採用した後も続行する
- 失敗した試行のたびに「また変更しないでください…」を追加する
- 実行会話に却下された計画を保持する
後続のすべてのリクエストは、元の指示、ミス、各修正、各例外、最終決定を処理する必要があります。これにより、使用量と間違ったバージョンを選択する可能性の両方が増加します。
3回目の修正が来たら、会話のパッチをやめましょう。タスクを書き直すか、ソースオブトゥルースファイルを更新しましょう。
3種類のコンテキスト
永続コンテキスト
ブランドルール、コーディング規範、カノニカルリンク、フォルダ構造
タスクコンテキスト
現在の成果、影響を受けるファイル、制約、受け入れテスト
会話コンテキスト
質問、却下されたアイデア、探索的推論、一時的な説明
会話をプロジェクトデータベースとして使用しないでください。
ChatGPTのProjectsはチャット間の連続性を提供でき、プロジェクト限定メモリはプロジェクトを関連のない会話から隔離できます。[4]ただし、OpenAIのドキュメントではProjectsはコンテキスト境界として説明されており、すべての履歴の詳細が常に正しく取得されることを保証するものではありません。重要な状態は明示的なプロジェクトファイルに属します。
同じチャット、新規チャット、プロジェクト、またはブランチ？
すべてのフェーズで新しいチャットを作成しないでください。コンテキストの変更がタスクの連続性から得られる利益を超える場合に新しいチャットを作成してください。
| ニーズ | 正しいアクション |
|---|---|
| 同じ合意されたタスクを続ける | スレッドに留まる |
| よりクリーンなコンテキストで続ける | ハンドオフパッケージ＋新しいスレッドを作成 |
| 元を乱さずに代替案を探索する | 会話をブランチする |
| プロジェクトルールを個人メモリから隔離する | プロジェクト限定メモリを使用 |
ブランチは選択肢を保持します。ハンドオフは連続性を保持します。異なる問題を解決します。
行動トリガー ― モ델が以下の場合に新しいスレッドを開始：
- 確定済みの決定を再開する
- 同じファイルを繰り返し読む
- 以前に修正されたエラーを再導入する
- 現在の受け入れ基準を正確に述べることができない
コンテキストヘルスチェック
続行する前に、以下を述べてください：
1. 現在の成果
2. 確定した決定
3. スコープ内のファイル
4. 変更禁止の制約
5. 残りの受け入れテスト
まだ作業を続行しないでください。メモリガイダンス
| 保存済みメモリを使用 | プロジェクト限定メモリを使用 | メモリに依存しない |
|---|---|---|
| 安定した設定、レスポンススタイル | 特定のウェブサイト、1つのクライアント、機密エリア | 正確な価格、URL、リリース番号、受け入れテスト、法的ルール |
メモリは個人化する。ファイルは統治する。
ハンドオフジェネレーター
一般的なサマリーは議論された内容を説明します。ハンドオフパッケージは次のエージェントが正しく行動するために必要なことを明示します。
Codex効率：検索半径、推論、チェックポイント
NotebookLM Guide検索半径フレームワーク
不正確なファイル指示は、作業が開始される前にCodexを広範囲に検索させ、コンテキストを膨らませます。
| 半径 | 指示 | 時期 |
|---|---|---|
0 — 正確なターゲット | /assets/navigation-rc1497.js?v=rc1497のみを編集してください。 | 既知の単一ファイル修正 |
1 — 限定されたファミリー | /assets/とHTML navマークアップを検査してください。 | 既知のファイルカテゴリ |
2 — リポジトリ探索 | パターンのすべてのインスタンスを検索してください。 | 不明な場所、既知のパターン |
3 — オープン探索 | リポジトリ全体を検索してください。 | 不明な場所とパターン |
ファイル数ではなく曖昧さに知能を投資しましょう。100ファイルにまたがる変更は機械的に単純な場合があります。1行のバグは深い推論が必要な場合があります。
推論とモデルルーティング
| タスク | 推論レベル |
|---|---|
| 既知のファイルでラベル名を変更 | 低 |
| 再現可能なCSSバグを修正 | 中 |
| 不明なクロスページリグレッションを診断 | 中〜高 |
| 新しいアーキテクチャを設計 | 高 |
| 長く曖昧なマイグレーションを実行 | 高〜超高 |
チェックポイント
チェックポイントは既知の良好なバージョンです。すべての成功した問題ファミリーの後、テストを実行し、代表的な出力を検査し、状態を保存し、何が変更されたかを記録し、その状態から次の問題を開始します。修正が失敗した場合、チェックポイントに戻ります。
蓄積されたダメージではなく、クリーンな状態から再試行しましょう。
修正からルールへのフィードバックループ
ミス → 根本原因 → 予防ルール → 自動化された検査 → ソースオブトゥルースの更新最高の指示は、最初の実行前に書くものではありません。実際の失敗から抽出し、自動的に適用されるルールです。
検証の独立性
| レベル | 方法 | 強み |
|---|---|---|
1 — 自己チェック | 同じエージェントが変更後にテストを実行 | 高速；自身の前提に脆弱 |
2 — 新規コンテキスト | 新しいスレッドに仕様＋ファイル＋テストを渡す（修正会話は渡さない） | 独立した判断 |
3 — 決定論的＋人間 | バリデーター＋テスト＋リンクチェック＋スクリーンショット＋人間の検査 | 最高の信頼性 |
検証者は実装者の言い訳ではなく、要件を継承すべきです。
AIに288ファイルのウェブサイトを修復させたときに起こったこと
元のリクエスト
288ファイルのウェブサイトZIPをChatGPT Workにアップロードし、CRO、SEO、ナビゲーション、Stripe、モバイルのすべての問題を1回の実行で修正するよう依頼しました。
失敗した理由
5つの管理文書に矛盾がありました — 古いコンポーネント名と新しい名前が並列、矛盾するCTAテキスト、同じ製品に対する複数のStripe URL。モデルは1つの文書に従い、別の文書に違反しました。
繰り返されたパターン
ナビゲーション修正 → レイアウト崩壊。レイアウト修正 → 古いセレクターの再導入。セレクター修正 → CTAの重複。コンテキストデットが解決より早く蓄積されたため、各修復が次の問題を作り出しました。
実際に機能したこと
コンテキストライフサイクルへの分解：単一のソースオブトゥルースファイル（探索＋固定）、Codex実行ごとの1つの問題ファミリー（実行）、独立したバリデーター（検証）、繰り返しミスをガバナンスルールに変換（学習）。
測定された結果
測定されたデプロイサイクルからの使用量データは、次のデプロイ後にここに公開されます。推定節約率ではなく、測定されたクレジット、実行回数、再作業率のみを公開します。
コピー可能なプロンプトテンプレート
Chat事前チェック ― リクエストをタスクパッケージに変換
Codex修復 ― 固定されたタスクを実行
独立した検証
検証済み成果あたりのコストと成熟度モデル
エージェント効率性 =
完了した検証済み成果物 ÷ 消費されたエージェント使用量
初回成功率 =
最初の試行ですべてのチェックに合格した修復 ÷ 修復された問題の合計
再作業率 =
完了後に再開された問題 ÷ 完了とマークされた問題
コンテキストデット比率 =
廃止または矛盾する指示 ÷ アクティブな権威ある指示AI使用成熟度モデル
プロンプティング
より良いリクエストを書く。1回に1つのプロンプト。
ルーティング
Chat、Work、またはCodexを正しく選択する。
タスク仕様
実行前に成果、制約、完了条件を定義する。
外部化された状態
計画、決定、指示が会話の外に存在する。
検証済み実行
すべての成果に決定論的証拠がある。検証が独立している。
学習システム
失敗がガバナンス、バリデーター、テンプレートを自動更新する。
プロンプトエンジニアリングは1つのリクエストを改善する。ワークフローエンジニアリングは今後のすべてのリクエストを改善する。
決定カード
すべてのセッション中にアクセスできる場所に置いてください。
- 回答が必要ですか、ファイル変更が必要ですか？
回答 → Chat。成果物 → Work。コード → Codex。 - 成果はテスト可能ですか？
いいえなら、まずChatで受け入れ基準を定義してください。 - これは1つの根本原因ファミリーですか？
いいえなら、別々のタスクパッケージを作成してください。 - 正準のソースオブトゥルースは？
名前を付けてください。優先順位を定義してください。 - 変更してはいけないものは？
除外を明示的に述べてください。 - 1つの共有変更で解決できますか？
インスタンスごとの編集を許可する前に確認してください。 - 検索半径は？
正確なファイル名を挙げてください。証拠がある場合のみ拡張してください。 - 何が成功を証明しますか？
コマンド、テスト、差分、ファイル、検査。 - 測定していますか、推測していますか？
推定値にラベルを付けてください。観察された使用量を記録してください。
よくある質問
はい。Chatは内部的にトークンを処理します。ただし、OpenAIの現在のドキュメントでは、標準ChatではなくWorkとCodexが共有エージェントクレジットプールから引き出されると記載されています。標準Chatはプラン固有のメッセージ制限と推論制限の下で動作します。
標準Chatは一般的にエージェントクレジットプールから引き出されません。WorkとCodexがそのプールを共有します。計画と解釈にChatを使用することで、このより制限された容量を温存できます。
はい。OpenAIは、Codex、ChatGPT Work、ChatGPT for Excel、およびWorkspace Agentsが、プランで利用可能な場合、同じエージェント使用量およびクレジットプールから引き出されると述べています。
回答、比較、決定、またはタスク定義の助けが必要な場合にChatを使います。ファイルの変更や完成した複数ソースの成果物の作成が不要な場合すべてに該当します。
ファイルの変更、ターミナルコマンドの実行、テストの実行、差分の検査、またはデプロイメントパッケージの作成が必要な場合にCodexを使います。
自動的には節約されません。新しいチャットはコンテキストをリセットし、蓄積された古い情報を排除しますが、タスクが以前の作業に依存している場合はコンテキストを再確立する必要がある場合があります。コンテキストの変更がタスクの連続性から得られる利益を超える場合に新しいチャットを開始してください。
長い会話は一般的により多くのコンテキストを前方に伝える必要があります。ChatGPTとCodexはコンテキスト制限に近づくと以前の状態を圧縮または要約することもあるため、処理される正確なコンテキストは必ずしも各ターンでの完全な逐字記録ではありません。
エージェントタスクは単純な会話よりも桁違いに多くのトークンを消費する可能性があり、入力トークンが全体コストを支配します。モデルの選択が重要です：標準GPT-5.5は入力トークン100万あたり125クレジットであるのに対し、GPT-5.4-Miniは18.75です。
ChatGPTウェブまたはCodexアプリでCodex設定→使用量ダッシュボードを開きます。プランとワークスペースの役割に応じて、ダッシュボードに最近の使用量、残りクレジット、購入オプション、自動チャージコントロールが表示される場合があります。
コンテキストデットとは、一時的な説明、修正、例外、未解決の決定がソースオブトゥルースに統合されずに蓄積された場合に生じる将来のコストです。各交換で複利的に増加し、使用量とエラー率の両方を増加させます。
いいえ。短くて曖昧なプロンプトは、モデルが複数の間違ったアプローチを探索させ、より長く正確な指示よりもはるかに多くのトークンを消費する可能性があります。明確さは簡潔さよりもコスト効率が高いです。
コンテキストライフサイクルは5段階のフレームワークです：探索（Chatで明確化）、固定（永続的なタスク成果物を書く）、実行（固定された仕様でWorkまたはCodexを使用）、検証（仕様に対して独立的にテスト）、学習（観察された失敗からガバナンスを更新）。
エージェント効率性＝検証済み成果物÷消費された使用量を追跡してください。また、初回成功率と再作業率も追跡してください。3回以上の測定データサイクル後にのみ節約額を定量化してください。
ChatGPT Workは対象アカウントに段階的に展開されています。利用可能性はプラン、ワークスペース設定、役割、展開状況に依存します。Workがまだ表示されない場合、計画にはChatを、技術的なファイル実行には利用可能なCodexを使用してください。
信頼性の高いマルチAIオペレーティングシステムを構築
複数のAIツールで作業するためのタスクルーティングプロンプト、オーケストレーションフレームワーク、ハンドオフパターン、検証チェックポイントを入手しましょう。
出典と方法論
- [1] OpenAI ヘルプセンター. "ChatGPT Work and Codex." help.openai.com
- [2] OpenAI ヘルプセンター. "Using Credits for Flexible Usage in ChatGPT." help.openai.com
- [3] OpenAI ヘルプセンター. "Codex Rate Card." help.openai.com
- [4] OpenAI ヘルプセンター. "Projects in ChatGPT." help.openai.com
- [5] OpenAI Developers. "Best Practices — Codex." developers.openai.com
- [6] OpenAI Developers. "Using Goals in Codex." developers.openai.com
- [7] OpenAI Developers. "Compaction." developers.openai.com
- [8] Bai, L. et al. (2026). "How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks." arXiv:2604.22750. arxiv.org
- [9] r/ChatGPT. "Long ChatGPT chats go bad…" reddit.com
- [10] r/codex. "Best Practices and workflows." reddit.com
方法論
すべての製品主張は、2026年7月23日現在の公式OpenAIドキュメントに基づいています。トークン消費の変動性に関する行動主張はプレプリント研究（Bai et al., 2026, arXiv — ピアレビュー未完了）を引用しています。実務家のパターンはRedditと実務家出版物を引用しています。コスト比較は相対用語を使用しています。節約の主張は、明示的に測定データとしてラベル付けされない限り、ワークフローが削減するよう設計されている内容を説明します — 観察された測定値ではありません。製品の境界、クレジットシステム、価格は変更される可能性があります。最新の詳細はhelp.openai.comでご確認ください。
1つの繰り返し可能なAIリサーチワークフローから始めましょう
より大きなマルチAIシステムを構築する前に、実用的なワークフロー、コピー可能なプロンプト、レビューチェックリストを入手しましょう。
無料スターターキットを入手 →プライバシーと責任あるAI使用
何をアップロードし、何を匿名化し、機密作業が承認された組織環境を必要とする時期を知りましょう。